Attention in Cognitive Systems. Theories and Systems from an Interdisciplinary Viewpoint: 4th International Workshop on Attention in Cognitive Systems, WAPCV 2007 Hyderabad, India, January 8, 2007 Revised Selected Papers

توجه در دهه‌های گذشته در طراحی سیستم‌های مجهز به هوش مصنوعی نشان‌دهنده هسته‌های علمی بوده است. امروزه در بحث‌های جاری، طراحی و مدل‌سازی فرضی سیستم‌های شناختی اجتماعی، توجه به عنوان کانونی از تحقیقات، جایگاهی مرکزی پیدا کرده است. به عنوان مثال، روش‌های توجهی در بررسی ارتباط پردازش اطلاعات حسی و شناختی، سازمان‌دهی رفتارها، و برای درک شناخت فردی و اجتماعی در بازتاب رشد نوزاد در نظر گرفته می‌شوند. در حالی که شناخت بصری نقش مرکزی در ادراک انسان را ایفا می کند، نتایج حاصل از علوم اعصاب و روانشناسی تجربی شواهد قوی در مورد ماهیت ادراک-عمل شناخت ارائه کرده است. ماهیت متجسم هوش حسی- حرکتی مستلزم یک تعامل مستمر و متمرکز بین کنترل فعالیت های حرکتی و تفسیر بازخورد از روش های ادراکی است. تصمیم گیری در مورد انتخاب اطلاعات از جریان حسی ورودی - در هماهنگی با پردازش متنی در یک کار فعلی و اهداف کلی یک عامل - به یک موضوع چالش برانگیز دیگر در کنترل توجه تبدیل می شود. توجه باید در واسط‌هایی بین تفسیر جهان از پایین به بالا و انتخاب اطلاعات مبتنی بر بالا به پایین عمل کند، بنابراین در هسته سیستم‌های شناختی مصنوعی عمل می‌کند. این بینش‌ها قبلاً تغییراتی را در رشته‌های مرتبط با هوش مصنوعی ایجاد کرده است، مانند طراحی کنترل ربات مبتنی بر رفتار و مدل‌سازی محاسباتی جانوران. امروزه، توسعه فناوری‌های توانمندی مانند سیستم‌های رباتیک مستقل، حسگرهای کوچک‌شده موبایل-حتی پوشیدنی، سیستم‌های هوشمند و محیطی مستلزم تجزیه و تحلیل بی‌درنگ مقادیر عظیمی از داده‌ها است. این داده ها باید به روشی هوشمندانه پردازش شوند تا اطلاعات مربوطه مورد نیاز "تحویل به موقع" را فراهم کنند. دانش باید در مورد آنچه که باید به آن توجه شود، چه زمانی، و چه کاری باید انجام شود، در یک توالی معنادار، مطابق با بازخورد بصری اعمال شود.

Attentionhasbeenrepresentingacorescienti?ctopicinthedesignofAI-enabled systems within the last decades. Today, in the ongoing debate, design, and c- putationalmodelingofarti?cialcognitivesystems,attentionhasgainedacentral position as a focus of research. For instance, attentional methods are considered in investigating the interfacing of sensory and cognitive information processing, for the organization of behaviors, and for the understanding of individual and social cognition in re?ection of infant development. Whilevisualcognitionplaysacentralroleinhumanperception,?ndingsfrom neuroscience and experimental psychology have provided strong evidence about theperception-actionnatureofcognition.Theembodiednatureofsensory-motor intelligence requires a continuous and focused interplay between the control of motor activities and the interpretation of feedback from perceptual modalities. Decision making about the selection of information from the incoming sensory stream – in tune with contextual processing on a current task and an agent’s global objectives – becomes a further challenging issue in attentional control. Attention must operate at interfaces between bottom-up driven world int- pretation and top-down driven information selection, thus acting at the core of arti?cial cognitive systems. These insights have already induced changes in AI-related disciplines, such as the design of behavior-based robot control and the computational modeling of animats. Today, the development of enabling technologiessuch as autonomous robotic systems,miniaturizedmobile–evenwearable–sensors,andambientintelligence systems involves the real-time analysis of enormous quantities of data. These data have to be processed in an intelligent way to provide “on time delivery” of the required relevant information. Knowledge has to be applied about what needs to be attended to, and when, and what to do in a meaningful sequence, in correspondence with visual feedback.